近年来，世界上大面积连锁停电频繁发生，损失巨大。2003年的美国东北地区大停电，给这个区域所造成的经济损失约60亿美元，充分暴露了基于资源大范围全局优化理念而发展起来的大型互联同步电网的脆弱性[1-2]。一般的观点[2-3]是，提高系统的全局可视化程度和预警能力，使用较好的、灵巧的和快速的控制实现自愈，是增强电网的可靠性和避免事故扰动引起系统崩溃的关键。因此，需要发展智能电网以实现大系统的安全稳定运行，降低大规模停电的风险。随着分布式电源的大量接入和充分利用，未来的电网会逐渐摆脱过去单一集中式发电的模式，而转向分布式发电辅助集中式发电的模式。此外，近20年的通信和信息技术得到了长足的发展，数字化技术及应用在各行各业日益普及。随着产业结构的调整和产业的升级，我国会有日益增多的数字化企业对供电可靠性和电能质量提出更高的要求。综上所述，需要把目前的电网加以转换，使其成为能够适应上述这些要求的电气系统，即智能的电网。
智能电网将现代先进的监控技术、信息技术和计算机技术等与传统电网进行高度集成，形成了新型的高效电网，以满足社会发展的需要。然而，近些年来，在发电厂中由于工作人员的操作失误，工程事故屡有发生。其中，导致频繁出现此类事故的一个重要因素便是工人们上工作业时的走神恍惚所引起的注意力不集中，甚至还存在打瞌睡等现象。因此，研究如何降低工人误操作导致的事故发生频率成为了至关重要的一个环节，使用计算机和智能设备进行人脸表情的识别应运而生。通过对工作人员的面部表情的分析，将表情与情绪状态联系在一起，检测出工人们上工时所存在的各种对操作有潜在危险的情绪状态，并且通过发出警告来提醒，从而减少此类事故的发生。
面部表情识别系统是对人脸的表情信息进行特征提取分析，按照人的认知和思维方式加以归类和理解，利用人类所具有的情感信息方面的先验知识，使计算机进行联想、思考及推理，进而从人脸信息中去分析理解人的情绪。
面部表情是一种刻画情绪、认知、主体状态以及他们在社会交往中的作用和角色的方法。
面部表情是面部肌肉的一个或多个动作或状态的结果，这些运动表达了个体对观察者的情绪状态。
而情绪是一种内心的态度体验，它很大程度上是由面部表情来体现的。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 研究计划与安排
第一至第二周：查阅设计题目的相关资料；
第三至第四周：撰写开题报告，翻译英文资料；
第五周：熟悉基本的图像处理的知识，了解和本课题相关的硬件知识；
第六周：熟悉c ，学会在vs平台下使用OpenCV；
第七至第八周：设计出人脸表情识别的总体方案，画出系统框图；
第九至第十周：研究从视频序列中检测人脸特征点并提取相应特征的相关算法，并编写相关程序；
第十一至第十二周：研究表情识别的相关算法，完成人脸表情识别的程序；
第十三至第十四周：对所有程序进行联调，实现基本要求；
4. 参考文献（12篇以上）
[1] U. S. Department of Energy. Final Report on the August 14, 2003 Blackout in the United States and Canada:Causes and Recommendations[R].U.S.-Canada Power System Outage Task Force, U. S. Department of Energy, Washington, D C, 2004.
[2] Union for the Coordination of Transmission of Electricity. Final Report-System Disturbance on 4 November 2006. January[EB/OL]. http://www.ucte.org.
[3] Amin M, Schewe P F. Preventing blackouts: Building a smarter power Grid[J]. Scientific American, 2008:60-67.
[4]庄翠雅. 人脸表情识别的研究与分析[D]. 华侨大学, 2008.
[5]吕岩. 面部表情识别的研究与实现[D]. 哈尔滨工业大学, 1999.
[6] R.W.Picard, Affective Computing. Cambridge: MIT Press, 1997.
[7] G.W.Cottrell et al. , Proc. Of the Int. Neural Network Conf 1990, pp. 322~325
[8] 斯托曼. 情绪心理学[M]. 中国轻工业出版社, 2006.
[9] 王国胤, 龚勋. 人脸感知:从二维到三维[M]. 科学出版社, 2011.
[10] LYONS M, AKAMATSU S, KAMACHI M, et al．Coding facial expressions with Gabor wavelets[C] //Proceedings of the 1998 IEEE International Conference on Automatic Face and Gesture Recognition. Piscataway, NJ: IEEE, 1998: 200 － 205．
[11] LUCEY P, COHN J F, KANADE T, et al． The extended Cohn-Kanade dataset (CK ) : a complete dataset for action unit and emotion-specified expression ［C］ / / Proceedings of the 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops. Piscataway, NJ: IEEE， 2010: 94 － 101．
[12] 薛雨丽, 毛峡, 张帆. BHU人脸表情数据库的设计与实现[J]. 北京航空航天大学学报, 2007, 33(2):224-228.
[13] Wang S, Liu Z, Lv S, et al. A Natural Visible and Infrared Facial Expression Database for Expression Recognition and Emotion Inference[J]. IEEE Transactions on Multimedia, 2010, 12(7):682-691.
[14] Dhall A, Goecke R, Lucey S, et al. Collecting Large, Richly Annotated Facial-Expression Databases from Movies[J]. IEEE Multimedia, 2012, 19(3):34-41.
[15] Calder A J, Burton A M, Miller P, et al. A principal component analysis of facial expressions[J]. Vision Research, 2001, 41(9):1179.
[16] Ahonen T, Hadid A, Pietik#228;inen M. Face Recognition with Local Binary Patterns[C]// European Conference on Computer Vision. Springer, Berlin, Heidelberg, 2004:469-481.
[17] Vogl T P, Mangis J K, Rigler A K, et al. Accelerating the convergence of the back-propagation method[J]. Biological Cybernetics, 1988, 59(4-5):257-263.
[18] JiaweiHan, MichelineKamber, JianPei,等. 数据挖掘概念与技术[M]. 机械工业出版社, 2012.
剩余内容已隐藏，您需要先支付
10元 才能查看该篇文章全部内容！
立即支付
